Índice del artículo
Qué es
Los datos de entrenamiento son los ejemplos con los que un modelo aprendió antes de que tú lo conocieras: textos, imágenes, código y todo lo que leyó durante su entrenamiento. De ahí saca lo que sabe hacer, y también lo que no.
Son la materia prima del entrenamiento: el modelo no inventa sus habilidades, las aprende de estos datos.
Explicado fácil
Piensa en la biblioteca con la que estudió un profesional antes de empezar a trabajar. El entrenamiento enseña patrones, pero no garantiza recordar ni dominar cada dato. El modelo es igual: su biblioteca son los datos de entrenamiento. Puede generalizar y recibir información nueva mediante contexto o herramientas; comprueba el dato en una fuente.
Ejemplo práctico
Una tienda en línea abre un asistente para responder a clientes y se sorprende de lo bien que redacta. Eso lo aprendió antes, leyendo muchísimos textos. Pero cuando un cliente pregunta por la política de devoluciones de esa tienda en concreto, el asistente no la conoce: esa política no estaba en sus datos de entrenamiento.
Lo que la tienda hace entonces es darle el dato de otra forma: lo carga como base de conocimiento o lo incluye en el encargo. El modelo no «se enteró» por sí solo; la tienda se lo dio en el momento.
Así no
Dar por hecho que la IA conoce los datos de tu negocio porque sabe mucho en general.
Así sí
Distinguir lo que aprendió antes (los datos de entrenamiento) de lo que tú le das ahora.
Si no te consta que conoce tu dato, dáselo tú en el encargo o en una base de conocimiento.
Por qué te importa
Por dos razones. Primera: explica qué sabe el modelo y qué no, y no des por hecho que conoce tu negocio. Segunda: los datos con los que se entrena influyen en cómo responde, incluidos los sesgos y los vacíos. Si el modelo tiende a cierto error, puede deberse a lo que leyó.
Los datos de la base original los eligió el proveedor. El ajuste fino también es entrenamiento y puede usar ejemplos que tú eliges. Lo que sí eliges en cada tarea es lo que le das tú ahora.
El error típico
Creer que el modelo «leyó todo» y que por tanto está al día. No: su lectura terminó en una fecha. Aun así, puede generalizar y recibir información nueva mediante contexto o herramientas; comprueba el dato en una fuente. El otro error es suponer que lo que tú conversas entra automáticamente a ese entrenamiento: que tus conversaciones se conserven o se usen depende del plan y de la configuración, y se mira en los ajustes y en el contrato.
No lo confundas con
La base de conocimiento. Los datos de entrenamiento incluyen los del modelo base y los usados después para ajustarlo; la base de conocimiento son tus documentos, que preparas y consultas ahora.
El ajuste fino. El ajuste fino usa ejemplos tuyos para afinar un modelo ya entrenado. Ambos son entrenamiento, con orígenes distintos.